[논문 리뷰] Vision-Based Gait Analysis for Senior Care

David Y. Xue, Anin Sayana외 8명|arXiv (Cornell University)|2018. 12. 01.

Gait Recognition and Analysis참고 문헌 12인용 수 13

한 줄 요약

이 논문은 스마트 홈 환경에서 노인 요양원에서 장기적이고 비침습적인 보행 분석을 위해 단일 카메라 기반 시각 기반 시스템을 제안한다. 보행 모니터링과 신경퇴행성 질환의 조기 징후 탐지에 활용되며, 행동 탐지 및 3D 자세 추정을 통해 영상에서 보행 파라미터인 속도, 보폭 길이, 비대칭성 등을 추출한다. 이 시스템은 85%의 단계 탐지 정확도와 초당 프레임 수준의 정밀도를 달성하여, 외부 센서 없이도 지속적인 임상 모니터링이 가능하다.

ABSTRACT

As the senior population rapidly increases, it is challenging yet crucial to provide effective long-term care for seniors who live at home or in senior care facilities. Smart senior homes, which have gained widespread interest in the healthcare community, have been proposed to improve the well-being of seniors living independently. In particular, non-intrusive, cost-effective sensors placed in these senior homes enable gait characterization, which can provide clinically relevant information including mobility level and early neurodegenerative disease risk. In this paper, we present a method to perform gait analysis from a single camera placed within the home. We show that we can accurately calculate various gait parameters, demonstrating the potential for our system to monitor the long-term gait of seniors and thus aid clinicians in understanding a patient's medical profile.

연구 동기 및 목표

• 단일 카메라만을 사용하여 요양원 환경에서 지속적이고 수동적이며 침습적이지 않은 보행 모니터링을 가능하게 한다.
• 장기적인 건강 평가를 위해 보행 속도, 보폭 길이, 비대칭성과 같은 임상적으로 유의미한 보행 파라미터를 추출한다.
• 보행 변화의 미세한 변화를 장기간 추적함으로써 파킨슨병과 같은 신경퇴행성 질환의 조기 진단을 지원한다.
• 외부 센서나 복잡한 센서 네트워크에 의존하지 않아 비용을 절감하고 실제 환경에서의 구현 가능성을 높인다.
• 추가 하드웨어 없이 기존 스마트 홈 시스템에 원활하게 통합된다.

제안 방법

• 지속적인 영상 기록에서 보행 시퀀스를 식별하기 위해 사전 훈련된 행동 탐지 모델을 사용한다.
• OpenPose를 활용해 2D 자세 추정을 수행한 후, 카메라의 내부 및 외부 파rameter를 활용해 3D 관절 위치를 재구성한다.
• xy 평면에서 발 사이의 L2 거리를 계산하여 시간에 따른 발 간격 곡선을 생성한다.
• 노이즈와 오진을 줄이기 위해 발 간격 곡선에 스무딩을 적용한다.
• 스무딩된 곡선의 局부 극값(정점과 극소)을 탐지하여 보행 이벤트를 식별한다 — 정점은 발 땅에 닿는 순간, 극소는 중앙 지지 단계를 의미한다.
• 극값의 범위와 스케일링 인자 α를 사용한 임계값 기반의 오진 제거 알고리즘을 구현하여 탐지 정확도를 향상시킨다.

실험 결과

연구 질문

• RQ1 단일 카메라 시스템은 실제 요양원 환경에서 보행 활동을 정확히 탐지하고 보행 파라미터를 추출할 수 있는가?
• RQ2 신체적 센서 없이도 비침습적 보행 분석이 임상 또는 외부 센서 기반 시스템과 비슷한 정확도를 달성할 수 있는가?
• RQ3 영상에서의 장기적 보행 모니터링이 파킨슨병과 같은 신경퇴행성 질환의 조기 징후, 예를 들어 보행 비대칭성 또는 속도 감소를 드러낼 수 있는가?
• RQ4 카메라 각도, 보행 패턴의 다양성, 실생활의 노이즈 등 다양한 요소에 대해 시스템의 내성은 어느 정도 강건한가?
• RQ5 추가 하드웨어 없이도 기존 스마트 홈 인fra구조에 구현 가능한가?

주요 결과

• UTKinect-Action3D 데이터셋에서 보행 시퀀스의 단계 수를 정확히 식별한 데 있어 시스템의 정확도는 85%를 기록했다.
• UTKinect 데이터셋에서 단계 탐지의 평균 오차는 4.4 프레임(0.073초)이었고, Senior Home 데이터셋에서는 0.125초였다.
• Senior Home 데이터셋의 보행 속도는 UTKinect 데이터셋의 0.683 m/s보다 유의미하게 낮은 0.164 m/s였으며, 이는 연령 관련 이동 능력 저하를 반영한다.
• Senior Home 데이터셋의 노인들은 UTKinect 데이터셋 대비 보폭 길이가 뿐만 아니라 보폭 길이가 23%에 불과하여 보폭이 감소한 것으로 나타났다.
• 속도나 보폭 길이에 영향을 받지 않고, 모든 피험자와 데이터셋 간에 발 폭이 비교적 일관되게 유지되었다.
• 시스템은 파킨슨병과 같은 신경퇴행성 질환의 조기 생물학적 지표로 알려진 좌우 보폭 길이의 비대칭성을 성공적으로 탐지했다.